Cas d'èxit: el 2026, les empreses de Múrcia s'enfronten a un problema que el programari tradicional no resol: el coneixement està repartit entre documents, aplicacions i persones. Una intranet amb knowledge graph permet ordenar aquest coneixement i posar-lo a disposició dels equips amb IA. Q2BSTUDIO, empresa de desenvolupament de programari i tecnologia, ha aplicat aquesta arquitectura en un cas real a Múrcia, amb resultats mesurables que demostren el valor de combinar desenvolupament a mida, integració cloud i automatització de processos. Aquest article analitza el cas des d'una perspectiva tècnica i empresarial.
La diferència entre una intranet convencional i una intranet amb knowledge graph és la semàntica. La primera emmagatzema pàgines i fitxers; la segona representa conceptes, relacions, persones, projectes i regles de negoci. Aquesta xarxa de connexions permet que un agent d'IA pugui respondre preguntes amb context, en lloc de tornar enllaços inespecífics. Per a una companyia a Múrcia amb equips d'operacions i back-office, el resultat és una manera de treballar més ràpida, amb menys duplicitats i amb millor criteri en la presa de decisions.
El punt de partida va ser una companyia mitjana amb activitat a Múrcia, una mica més de vint treballadors en operacions i una barreja d'ERP, CRM, SharePoint i Teams. Cada eina feia la seva funció, però el coneixement no viatjava entre elles. Una incidència comercial podia ser al CRM, el detall logístic a l'ERP i la conversa rellevant a Teams. Sense un fil que connectés aquestes dades, la direcció no tenia visibilitat real i els equips perdien hores en tasques manuals. La intranet amb knowledge graph no es va dissenyar com un portal més, sinó com la capa que unifica la informació i dóna context a les eines actuals.
Q2BSTUDIO va començar amb una fase de descobriment. No es tracta d'instal·lar un producte genèric; es tracta d'entendre els fluxos de treball, els punts de dolor i les mètriques base. Durant dues setmanes, l'equip de consultoria va mapejar processos, va entrevistar usuaris i va definir indicadors d'èxit. Aquesta base permet mesurar l'impacte real de la solució, una cosa que moltes empreses no fan quan implanten programari. Gràcies a aquest treball, el projecte es va convertir en un desenvolupament d'aplicacions a mida sobre una arquitectura modular, pensada per créixer amb el negoci.
La següent fase va ser la construcció de la capa de coneixement. En lloc de moure les dades a un sistema nou, es van connectar els sistemes existents mitjançant APIs i agents d'integració. El coneixement extret de documents, registres i converses es va normalitzar al knowledge graph. Per fer-ho, Q2BSTUDIO va combinar models de llenguatge amb tècniques de retrieval augmented generation, de manera que les respostes de la IA es basen en fonts internes verificables i no en al·lucinacions. Aquest enfocament és especialment rellevant a Múrcia, on moltes empreses busquen IA útil sense substituir les inversions que ja han fet en ERP o CRM.
Un dels elements més valorats va ser la introducció d'agents d'IA dins la intranet. Aquests agents no són simples xatbots; executen tasques, consulten el knowledge graph i actualitzen registres amb supervisió humana. Per exemple, un agent pot classificar un correu, localitzar el projecte relacionat, preparar una resposta i proposar un següent pas. En els processos crítics, es va mantenir un punt de control humà, amb la qual cosa es redueix el risc i es guanya confiança en l'adopció. La integració d'agents d'IA amb el programari a mida va permetre adaptar cada regla a l'operativa real de l'empresa, una cosa que no s'aconsegueix amb eines tancades.
La infraestructura tecnològica es va recolzar en cloud AWS/Azure. L'empresa necessitava que els serveis d'IA es connectessin de manera segura amb sistemes on-premise. Q2BSTUDIO va dissenyar una xarxa privada mitjançant VPN i endpoints privats, de manera que les dades no van circular mai per internet públic. La ciberseguretat va ser un requisit des del principi: autenticació amb rols, auditoria d'accessos, xifratge en trànsit i en repòs, i alineament amb el RGPD. Els responsables del projecte tenien clar que una intranet amb knowledge graph només és útil si la informació protegida continua protegida.
També es va incorporar una capa d'observabilitat i reporting per a la direcció. Les mètriques d'ús, els temps de procés i la qualitat de les respostes de la IA es van abocar en un quadre de comandament amb BI/Power BI. Això va permetre als comandaments intermedis prendre decisions basades en dades i justificar la inversió davant la direcció financera. En una empresa de mida mitjana, la visibilitat sol ser un dels beneficis més grans, perquè redueix el soroll i permet identificar colls d'ampolla. La informació del knowledge graph es va convertir així en una font d'intel·ligència de negoci, no només en un cercador intern.
Durant la fase de desplegament controlat, l'equip de Q2BSTUDIO va treballar amb el client a Múrcia per validar la solució amb un grup reduït d'usuaris abans de generalitzar-la. Aquesta estratègia va permetre ajustar els fluxos, corregir excepcions i formar les persones clau. L'automatització de processos es va aplicar de manera gradual: primer tasques de baix risc i gran volum, després operacions més complexes. Amb això es va aconseguir que l'equip confiés en el sistema i que els errors no es propaguessin. Un desplegament per fases redueix la fricció i accelera l'adopció interna.
Els resultats al cap de tres mesos van mostrar una reducció clara en les tasques manuals i una acceleració dels cicles de treball. L'organització va passar de dependre de fulls de càlcul i aprovacions per correu a operar amb una intranet que coneix la relació entre cada element. El temps d'incorporació de noves persones també va millorar, perquè els nous empleats poden preguntar a la IA i obtenir respostes amb context. Això no és un efecte cosmètic: redueix costos operatius, millora la qualitat i allibera capacitat per a tasques de més valor.
Des del punt de vista tècnic, el projecte demostra que una arquitectura de coneixement no requereix substituir tots els sistemes. La clau és normalitzar les dades i definir les relacions que importen. Q2BSTUDIO va aplicar metodologies de desenvolupament àgil, amb lliuraments cada dues setmanes i revisió de prioritats amb el client. El coneixement de negoci es va incorporar al graf de manera incremental, cosa que va facilitar la gestió del canvi. Les lliçons apreses en aquest cas d'èxit a Múrcia coincideixen amb una realitat que s'observa en molts projectes: la tecnologia és necessària, però el factor humà i el disseny de processos són els que determinen el ROI.
Per a directius que avaluen una solució d'intranet amb knowledge graph, la recomanació de Q2BSTUDIO és clara: definir primer el problema de negoci, mesurar després la millora i triar un soci tecnològic que combini aplicacions a mida, cloud, ciberseguretat, BI/Power BI i agents d'IA. A Múrcia, l'empresa ha demostrat capacitat per oferir tot aquest conjunt en un sol projecte, amb equips locals i suport proper. El cas no és una promesa de futur, sinó una realitat implantada el 2026.
Si la teva empresa vol replicar aquest enfocament, convé començar per una sessió de diagnòstic amb Q2BSTUDIO. En aquesta sessió es valora el punt de partida, els fluxos crítics i les oportunitats d'automatització. No cal canviar d'ERP, CRM ni de plataforma de col·laboració. Cal ordenar el coneixement perquè una intranet amb knowledge graph pugui aportar respostes, automatització i visibilitat. El següent pas és convertir aquest avantatge tecnològic en un avantatge competitiu real al mercat murcià.
